Рубрика «Большие данные» - 2
Как тебе такое, Джефф Безос?
2021-02-16 в 11:40, admin, рубрики: автоматизация, бесконтактные платежи, Блог компании X5 Retail Group, Большие данные, будущее здесь, будущее наступило, инженерные системы, машинное обучение, ритейлНу купиии! Или применение AI для рекомендаций
2020-12-22 в 8:34, admin, рубрики: big data, Блог компании ГК ЛАНИТ, Большие данные, Ланит, машинное обучение, норбит, Разработка под e-commerce, Управление e-commerceВсе же тут страдают от спама? Обвешаны адблокерами, white-листами, спам-фильтрами? Я точно сильно страдал от бесконечных предложений, но в какой-то момент стала появляться и полезная информация, причем еще в нужные моменты.
Став руководителем проектов по предиктивной аналитике в компании НОРБИТ, я оказался по другую сторону баррикад и хочу поделиться опытом по разработке рекомендательных сервисов для программ лояльности.
Earth Engine от Google — уникальная платформа для анализа больших геоданных
2020-05-01 в 12:33, admin, рубрики: big data, Google, Google API, remote sensing, Большие данные, Геоинформационные сервисы, дистанционное зондирование земли, климат, экология
Earth Engine — это облачная платформа для геопространственного анализа данных в планетарных масштабах. Она позволяет использовать огромные вычислительные мощности компании Google для изучения самых разнообразных проблем: потерь лесов, засухи, стихийных бедствий, эпидемий, продовольственной безопасности, управления водными ресурсами, изменения климата и защиты окружающей среды. Чтобы избежать путаницы в названиях, сразу определим, что Google Earth (он же — Google Планета Земля) и Google Earth Engine — это два разных продукта. Первый, не требуя от пользователей особых компьютерных навыков, предназначен для визуализации спутниковых снимков и позволяет путешествовать и исследовать мир, взаимодействуя с виртуальным глобусом. Второй, которому посвящена эта статья, — это прежде всего инструмент для анализа данных. Использование Earth Engine предполагает знание прикладной области и умение писать программный код. Ссылка на официальный сайт проекта.Читать полностью »
Особенности data-driven в нефтехимии
2020-04-13 в 11:30, admin, рубрики: big data, python, Анализ и проектирование систем, аналитика, Блог компании Цифровой СИБУР, Большие данные, нефтехимия, Сибур, управление проектами, хранилища данныхПри создании любого бизнеса каждое из его подразделений автоматизирует само себя. Как правило сквозные потоки данных между ними единичны. Это приводит к тому, что данные нельзя сопоставить друг с другом, ведь каждый отдел считает их по-своему. Никаких проблем, если собирать какие-то метрики в целом по компании, но когда доходит дело до расчета сквозных показателей, прогнозов или решения задач моделирования и оптимизации, начинается хаос.
Хранилища данных (DWH) — не новая история. Традиционно они использовались для составления отчетности. А вот полноценное моделирование и прогнозирование сквозных бизнес-процессов на данных DWH началось относительно недавно. Используя собранные данные современные инструменты анализа позволяют не просто делать дашборды с выпадающими окнами, но еще и настраивать в отношении каждого атрибута алгоритмы прогнозирования и оптимизации, масштабировать алгоритмы теории игр на все предприятие в целом. А также строить и сразу же тестировать гипотезы о дальнейшем развитии бизнеса на реальных данных.
И вроде как звучит всё прекрасно. Но не все компании спешат брать с пример с передовиков (Booking.com, Amazon.com) и продолжают работать по старинке. Так что же им мешает? Как минимум, понимания целесообразности масштабных инвестиций в инструментарий по обработке данных, трудозатратность внедрения процессов описания данных, появления новых ролей (кураторы данных, ответственные за качество данных, инженеры и архитекторы данных и т.п.), научиться считать экономический эффект от внедрения управления данными, четко вычленять драйверы затрат, как сделать дата офис самоокупаемым, увязать со стратегией компании и из возможных вызовов выбрать те, которые продвинут компанию вперед, и многое другое.
Меня зовут Виктория Краснова, я руководитель Управления корпоративными данными СИБУРа. Вместе с моим коллегой, лидером команды Data Governance Ринатом Абдурахмановым, расскажем, как это делаем мы.
Читать полностью »
IT-девушки, откуда вы? Давайте построим карту
2020-03-06 в 10:00, admin, рубрики: биография, Блог компании RUVDS.com, Большие данные, женщины в it, женщины-программисты, Карьера в IT-индустрии, поздравление, статистикаRUVDS поздравляет всех айтишниц с 8 марта!
В этом году мы решили не дарить тюльпаны и не делать подборку гик-подарков. Мы пошли другим путем и создали страничку IT is female, чтобы показать присутствие женщин-специалисток в IT.
Любая девушка, работающая в IT, может залогиниться на ней через социальную сеть, написать свою должность и название компании и появиться на странице.
На сайте есть специальный счётчик и тепловая карта — на ней можно будет отследить офисы, в которых женщин-специалисток больше.
Посмотреть всю ленту можно на сайте 8march.ruvds.com
Читать полностью »
Мифы о больших данных и цифровая культура
2020-02-14 в 10:52, admin, рубрики: big data, Блог компании Инфосистемы Джет, Большие данные, мифы, цифровая культура
Мы продолжаем публиковать самые интересные доклады RAIF, ежегодного форума по искусственному интеллекту, организованному «Инфосистемы Джет». Сегодня хотим поделиться рассказом доктора физико-математических наук, профессора департамента информатики НИУ ВШЭ Бориса Асеновича Новикова.
Читать полностью »
Использование машинного обучения в статическом анализе исходного кода программ
2020-01-16 в 12:23, admin, рубрики: artificial intelligence, big data, BigData, Clever-Commit, CodeGuru, Commit Assistant, DeepCode, Embold, github, Infer, mashine learning, ml, pvs-studio, SapFix, Sapienz, static code analysis, static code analyzer, Блог компании PVS-Studio, Большие данные, искусственный интеллект, машинное обучение, Программирование, статический анализ кода, статический анализатор
Машинное обучение плотно укоренилось в различных сферах деятельности людей: от распознавания речи до медицинской диагностики. Популярность этого подхода столь велика, что его пытаются использовать везде, где только можно. Некоторые попытки заменить классические подходы нейросетями оканчиваются не столь уж успешно. Давайте взглянем на машинное обучение с точки зрения задач создания эффективных статических анализаторов кода для поиска ошибок и потенциальных уязвимостей.
Читать полностью »
Артур Хачуян: «Настоящая Big Data в рекламе»
2020-01-01 в 18:16, admin, рубрики: big data, Блог компании ua-hosting.company, Большие данные, высокоточное профилирование, контекстная реклама, медийная реклама, открытые данные, скоринг профилей14 марта 2017 года в лектории BBDO выступил Артур Хачуян, генеральный директор Social Data Hub. Артур рассказал про интеллектуальный мониторинг, построение поведенческих моделей, распознавание фото- и видеоконтента, а также о других инструментах и исследованиях Social Data Hub, которые позволяют таргетировать аудиторию, используя социальные сети и технологии Big Data.
Что нужно знать об олимпиаде «Я — профессионал»: рассказываем о направлениях «Большие данные» и «Робототехника»
2019-11-12 в 17:06, admin, рубрики: Блог компании Университет ИТМО, Большие данные, Разработка робототехники, робототехника, Университет ИТМО, учебный процесс«Я — профессионал» — это конкурс для бакалавров и магистров гуманитарных и технических специальностей. Его организуют крупные российские ИТ-компании и сильнейшие вузы страны, в том числе Университет ИТМО. Сегодня говорим о целях олимпиады и двух направлениях, которые курирует наш вуз — «Большие данные» и «Робототехника» (об остальных — в наших следующих хабратопиках).
В России разработали кодекс этики использования больших данных
2019-08-31 в 18:07, admin, рубрики: big data, Большие данные, Законодательство в ITИнститут развития интернета (ИРИ) и Ассоциация больших данных (входят «Яндекс», Mail.ru Group, Сбербанк, Газпромбанк, «МегаФон», «Ростелеком» и другие) разработали проект кодекса этики использования больших данных. Предполагается, что документ станет основой саморегулирования этого направления на рынке.
